MLOps のレベル

MLOpsの成熟度合いを測る目安はGoogleやMicrosoftなどからいくつか定義されています。ここではGoogleが定義している3段階のMLOpsレベルの概要を紹介します。

レベル 0: 手動プロセス

これは典型的なデータサイエンスのプロセスで、MLを実装する最初の段階で実行されます。このレベルは実験的、反復的な性質を持っています。

レベル0では、データの準備と検証、モデルの学習、テスト、デプロイなど、各パイプラインの各ステップは完全に手動で実施されます。MLOpsの成熟度がもっとも低い状態に位置付けられています。

MLOps level 0: Manual process

レベル0には具体的に以下のような特徴があります。

• データ抽出やデータ分析など、全てのステップが手動で実施される
• 機械学習チームと運用チームが分離している
• 頻繁なチューニングとリリースには対応できない
• MLシステムの一部しかデプロイできない
• 本稼働環境でのアクションを追跡できない

レベル 1: ML パイプラインの自動化

レベル1は、MLパイプラインが自動化できている状態です。新しいデータが入手可能になると、モデルの再トレーニングのプロセスが開始されます。

レベル1では、以下のコンポーネントが追加されます。

• データとモデルの検証
• 特徴量ストア
• メタデータ管理
• MLパイプライントリガー

MLOps level 1: ML pipeline automation

レベル1には具体的に以下のような特徴があります。

• ML実験を迅速に行うことができる
• 機械学習チーム、開発チームと運用チームが連携している
• モデルは本番環境で自動的にトレーニングすることができる
• 継続的なチューニングとリリースに対応することができる

レベル 2: CI/CD パイプラインの自動化

レベル2では、CI/CDシステムを導入し、本番環境でのMLモデルのデプロイを高速かつ確実に実行します。レベル1との主な違いは、データ、MLモデル、ML学習パイプラインのコンポーネントを自動的に構築、テスト、デプロイする点です。

MLOps level 2: CI/CD pipeline automation

レベル2には具体的に以下のような特徴があります。

• 開発とテストの環境が統合されている
• 特定のトリガーによってビルド、テスト、パッケージ化、デプロイが自動で実行することができる
• パイプラインのCI/CDを実現できている
• スケジュールに基づき、自動的に本番環境でパイプラインが自動的に実行される
• 本番環境のモニタリングが可能となっている

参考

https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning#devops_versus_mlops
https://ml-ops.org/content/mlops-principles
https://aismiley.co.jp/ai_news/what-is-mlops/